雷科技 AI 硬件组 | 编辑：三七二十一 | 监制：罗超
苹果又更新 Mac 了。
8 月 25 日晚，苹果突然上架了新款 Mac mini 和 Mac Studio。外观都没怎么变，甚至连产品定位都没有什么意外：Mac mini 继续小巧、精致、能干，Mac Studio 还是桌面 Mac 里那个面向专业用户的性能怪兽。
前提是别看价格。
新款 Mac mini 国行起售价直接来到了 6999 元。上一代 M4 Mac mini 起售价还只有 4499 元，即便今年因为存储上调过一次售价（5999 元起）。但一代产品过去，入门门槛硬生生抬高了一大截。
Mac Studio 更夸张。搭载 M5 Max 的版本已经不便宜，真正顶级的 M5 Ultra 版本，起售价直接来到 46999 元。再往上选内存、存储，价格自然还能轻松继续往六位数走。
苹果疯了吗？
但如果继续研究这一代的产品，会发现这次苹果还真不是单纯靠涨价制造存在感。Mac mini 首发了全新的 M6，苹果第一颗 2nm 芯片；Mac Studio 则带来了 M5 Ultra，也是苹果历史上第一颗采用四晶粒（die）架构的芯片。
从 2020 年 M1 推出至今，Apple Silicon（苹果基于 ARM 架构自研的芯片体系）已经走过六年。过去几代苹果芯片的升级逻辑其实很清楚：CPU 更快一点、GPU 更强一点，制程逐步前进，再靠 Pro、Max、Ultra 不断把规模往上堆。
到了 M6 和 M5 Ultra，苹果终于跨进 2nm，并且重新调整了 CPU 核心结构，互连架构上也从过去两颗大型芯片互联，走到四晶粒共同组成一颗 SoC。
与此同时，AI 也开始真正进入芯片设计的中心。
在 M6 上，苹果终于进入了 2nm 时代
先简单讲下 M6 的参数变化：CPU 从 10 核增加到 12 核，GPU 同样从 10 核增加到 12 核，内存带宽从 M5 的 153GB/s 提升到 170GB/s，Neural Engine 也直接变成了两组 16 核。
参数是一方面，但 M6 真正值得关注的地方是另一方面。
首先就是 2nm。
从 M3 开始，苹果已经连续三代 M 系列芯片停留在 3nm。M3 用上第一代 3nm，M4 和 M5 又不断改进工艺。到了 M6，终于跨进 2nm，成为苹果历史上第一颗 2nm 芯片。
更快，更省电。
按照台积电的数据，N2（第一代 2nm 工艺）相比 N3E（第二代 3nm 工艺），在相同功耗下最高可以提升约 15% 性能，相同性能下功耗最高可以下降约 30%。
当然，这是制程本身的理论收益，也不考虑架构上的升级，不能直接拿来等同于 M6 的实际提升。但它也解释了一个很重要的问题：为什么苹果可以在这一代基础款 M 芯片上，一口气塞进更多 CPU、GPU 和 AI 单元，同时继续维持 Mac mini 这种小体积机器最看重的功耗和散热表现。
换言之，M6 的 2nm 不只是给性能跑分加几分，它给苹果重新分配整颗芯片的性能开销腾出了空间。
苹果首先把这些「空间」用在了 CPU 上。
上一代 M5 的 CPU 结构其实还是 Apple Silicon 一贯的「大核 + 小核」思路。但到了 M6，12 个 CPU 核心被正式拆成了三档：2 个超级核心、4 个性能核心，以及 6 个效率核心。
中间那一档「性能核心」尤为特别。
今年早些时候发布 M5 Pro 和 M5 Max 时，苹果已经悄悄重新定义了一遍自己的 CPU 核心体系。过去我们熟悉的高性能核心改名叫做「超级核心」，同时新增了「性能核心」。
按照苹果的说法，「超级核心」负责追求极致的单线程性能，「性能核心」则在多线程任务中以更低功耗提供大量计算能力。到了 M6，这套架构第一次下放到最基础的 M 系列芯片，多线程性能相比 M5 最高提升 20%。
这很苹果。尤其放到 Mac mini 上，机器就这么大，电源和散热能力也都有明确边界，性能提升最终还是要和能效一起算账。
M6 同样延续了这个设计，GPU 既负责图形，也负责 AI。
事实上，对于真正的大语言模型、图像生成和其他生成式 AI 工作负载，GPU 的重要性正在快速提高。模型规模越大，需要的并行计算和内存吞吐越高，GPU 就越容易成为主力。
所以苹果现在的策略是保留 GPU 原本擅长的大规模并行计算，同时给每个 GPU 核心增加专门的「神经网络加速器」。
GPU 还是 GPU，但越来越像一块专门为生成式 AI 改造过的 GPU。
与此同时，M6 还第一次搭载了两组 16 核神经网络引擎，算力最高达到前代的两倍，系统框架还可以自动同时调用两组神经网络引擎。
这些变化并不意味着 M6 突然从消费级芯片变成了什么 AI 怪兽。最高仍然只有 32GB 统一内存，170GB/s 的带宽想跑真正的本地「大」模型，也是妄想。
但 M6 的方向非常清楚。过去基础款 M 芯片解决的是「绝大部分电脑任务都足够快」。M6 开始更多考虑普通用户未来在本地跑 AI、调用 Agent、做图像生成、跑中小型模型的时候，芯片应该怎么分配算力。
为此，苹果几乎把 CPU、GPU 和 AI 三条线同时重整了一遍。
而这还只是基础款。在 M5 Ultra 这颗「超级胶水怪」上，苹果解决就是另一种问题了。
M5 Ultra 是苹果造的「超级胶水怪」
一颗芯片到底还能做多大？直接看看 M5 Ultra：
最高拥有 36 核 CPU、80 核 GPU、32 核神经网络引擎，统一内存最高 512GB，带宽达到 1.2TB/s。
问题是苹果第一次把四颗晶粒连在了一起。
M5 Ultra 本质上是通过新一代 UltraFusion 互连技术，将两颗双晶粒 M5 Max 连起来，最终组成四晶粒架构，共同组成一颗 SoC。
听起来很像「胶水大法」。实际上也确实可以这么理解，只是这瓶胶水贵得离谱，技术难度也完全不是把四块芯片摆到一起这么简单。
先简单说下苹果为什么要这么干。
过去几十年提高芯片性能，一个最直接的办法就是把芯片越做越大，往里面塞更多晶体管、更多 CPU 和 GPU 核心。但芯片不能无限长大，光刻机一次曝光的面积存在上限，同一块晶圆上芯片面积越大，碰到制造缺陷的概率也越高：
假设晶圆上有一个微小缺陷，它落在一颗很小的芯片旁边，可能只报废一颗。如果你造的是一块面积巨大的芯片，同样一个缺陷就可能让整块价值昂贵的大芯片直接报废。
芯片越大，良率越难控制，成本自然也越来越恐怖。所以现代高性能芯片越来越流行「拆开做」，AMD 的 Ryzen 和 EPYC 很早就大规模采用 Chiplet，英伟达、英特尔以及苹果都在不断往多晶粒封装发展。
不过拆开做容易，但想拼成「一颗芯片」很难。
因为 CPU 和 GPU 内部的数据交换速度极快，如果四颗晶粒之间通信速度太慢，CPU 访问另一块晶粒上的数据就需要等待，GPU 跨晶粒调用资源同样会产生延迟，实际运行起来得不偿失。
所以关键就落在 UltraFusion 芯片级互连技术上。
上一代 M3 Ultra 同样采用 UltraFusion，但只连接两颗晶粒，晶粒之间拥有超过 2.5TB/s 的低延迟带宽。到了 M5 Ultra，四颗晶粒协同，苹果把晶粒间带宽直接提高到 4.4TB/s 以上，连接密度也提升超过 6 倍。
4.4TB/s，甚至远远高于 M5 Ultra 自身 1.2TB/s 的统一内存带宽，再加上超低延迟互连和软硬件协同，所以才能做到真正的「四合一」，不管对软件还是用户来说。
甚至在更远的未来，苹果也完全有可能根据不同产品，把计算、AI、I/O 或者其他模块拆成不同晶粒，再重新组合。
而与此同时，AI 又开始疯狂吞噬算力和内存。M5 Ultra 这套四晶粒架构，几乎正好撞上了最需要它的时代。
定位「智能体计算工具」，
苹果加码 AI 计算机
「全天候的智能体计算工具」，这是苹果给新款 Mac mini 在「台式电脑」之外的新定位。
M5 Ultra 走得更远，苹果次明确把多台 Mac Studio 组成集群作为 AI 能力来宣传。通过 Thunderbolt 5 和 RDMA，多台机器可以直接进行低延迟数据交换，四台 Mac Studio 组成集群时，分布式 AI 推理性能最高可以达到单机的 3 倍。
硬件之外，软件也在补齐。
苹果今年推出了全新的 Core AI 框架，专门针对 Apple Silicon 上的本地大模型进行构建、运行和部署；MLX 继续负责模型训练、微调和推理；JACCL 则负责多台 Mac 之间的高速通信。
从芯片、系统框架到模型工具，再到多机互连，已经开始连成一整套。
苹果过去谈 Apple Silicon，核心一直是性能和能效。但到了这一代，AI 开始真正进入芯片架构、系统软件甚至 Mac 产品定位本身：
把 Mac 真的当成 AI 计算机来设计。
M6 负责把这种能力引入到最普通的 Mac 上，M5 Ultra 则负责把 Apple Silicon 往更专业、更大规模的本地 AI 计算继续往上推。
这也是六年之后 Apple Silicon 又一个关键的转折。2020 年往后，苹果自研芯片最大的故事，是摆脱英特尔之后，Mac 终于拥有了性能、功耗和软硬件整合上的主动权。
现在，拥有这种主动权的苹果，正在把 Apple Silicon 慢慢从一套「更适合 Mac 的处理器」，变成自己的一整套 AI 计算平台。
